中国医学教育领域人工智能应用研究与实证研究现状和热点分析（2022—2025年）

Analysis of current status and hotspots of applied research and empirical studies of artificial intelligence in medical education in China (2022 — 2025)

摘要

目的 梳理中国人工智能在医学教育领域的应用研究相关文献，总结研究现状、热点。 方法 基于中国知网、万方数据知识服务平台、维普中文科技期刊数据库2022年10月30日—2025年5月22日收录的有关人工智能与医学教育的相关文献，进行关键词的可视化分析。 结果 共纳入275篇论文，排在前5位的高频关键词为人工智能、医学教育、教学改革、教学和医学影像，研究主题涉及智能化教学与技术融合、医学课程优化与教学改革、临床教学与医学影像、医学生发展与能力培养。 结论 现阶段医学教育领域人工智能的应用研究与实证研究开展不足，人工智能在医学教育中的应用具有鲜明的学科特点，同时研究热点逐年演化，体现出“以学为中心”的导向和基于医学教育的原理、方法与策略优化课程设计等趋势。

Abstract

Objective To review the relevant literature on applied research and empirical studies of artificial intelligence (AI) in medical education in China, and summarize the current status and research hotspots. Methods Based on the relevant articles themed on AI and medical education retrieved from China National Knowledge Infrastructure (CNKI), Wanfang Data, and VIP Database for Chinese Science and Technical Periodicals (October 30, 2022 to May 22, 2025), a visual analysis of keywords was conducted. Results A total of 275 articles were included. The top 5 high-frequency keywords were Artificial Intelligence, Medical Education, Teaching Reform, Teaching, and Medical Imaging. The research topics were focused on: (1) intelligent teaching and technology integration, (2) medical curriculum optimization and teaching reform, (3) clinical teaching and medical imaging, and (4) medical students’ development and competency cultivation. Conclusion Current applied research and empirical studies on AI in medical education were insufficient in China. The application of AI in this field exhibited distinct disciplinary characteristics, while the research hotspots were evolving annually, reflecting a “learning-centered” orientation and curriculum design optimization grounded in the principles, methods, and strategies of medical education.

Graphical abstract

关键词

教育 / 医学 / 人工智能 / 应用研究 / 实证研究 / 文献计量学

Key words

education / medical science / artificial intelligence / applied research / empirical study / bibliometrics

2022年11月，基于生成式人工智能（generative artificial intelligence，GenAI）的大语言模型ChatGPT（chat generative pre-trained transformer）发布，在全球范围内掀起了新一轮人工智能的应用热潮。随着人工智能在教育领域的应用不断深化，国内外相继发布了多个关于人工智能的教育应用文件。例如：联合国教科文组织发布了《生成式人工智能教育与研究应用指南》，为人工智能在教育领域的规范和创造性应用提供了建议^[1]；教育部等九部门颁布了《关于加快推进教育数字化的意见》（教办〔2025〕3号），明确提出全面推进智能化、促进人工智能助力教育变革^[2]。

近年来，在医学教育领域中，人工智能的研究热度持续增长；现有研究已从技术路径^[3-4]、学生学业评价^[5]、伦理风险及其治理^[6]、教学模式改革潜力^[7-8]等方面进行了广泛探讨。然而，目前国内已发表的医学教育领域人工智能相关文献直观上呈现出综述、评论类文献较多，应用研究（研究如何将人工智能落地到具体的医学教育场景中）与实证研究（通过系统的设计、实施和数据分析，评估人工智能对医学教育参与者的行为和教育结果的影响）相对较少^[9]的特征；已经开展的应用研究与实证研究也在一定程度上偏向某些特定主题和学科领域^[10]。因此，针对ChatGPT问世以来我国医学教育领域人工智能应用相关的研究开展文献计量学分析，特别是对其中的应用研究和实证研究进行聚焦分析，梳理研究热点与趋势，找准当前应用短板，为未来人工智能与医学教育的深度融合提供借鉴。

1 资料与方法

1.1 资料来源

本文以中国知网学术期刊网络出版总库（CNKI）、万方数据知识服务平台、维普中文科技期刊数据库作为检索平台，构建检索策略为“主题：(人工智能OR生成式人工智能OR AI)AND主题：(医学教育OR医学教学OR临床教学)”（其中维普平台不支持按主题检索，调整为按“题名或关键词”检索），检索时间范围为2022年10月30日—2025年5月22日，初检1247篇，去除重复文献后剩余820篇，基于研究目的对论文进行逐一甄别和筛选，排除综述、评论、会议论文、新闻报道及与研究内容无关的文献等，最终保留275篇应用研究与实证研究文献。

1.2 研究方法

研究采用NoteExpress 4.1及CiteSpace 6.4进行文献处理和可视化分析，研究步骤包括：①将文献题录导入NoteExpress进行去重，并结合全文筛选文献；②将文献转换成可视化软件可识别格式；③将文献数据导入CiteSpace完成关键词词频、共现和聚类分析。

2 结果

初检文献去重后共得到820篇文献，其中目标文献275篇（33.5%）；排除综述和文献计量学文献96篇（11.7%），评论（思考、启示）类文献415篇（50.6%），会议论文、新闻报道及内容不相关文献34篇（4.2%）。

2.1 发文趋势

分析275篇目标文献的发表时间分布，总体呈现上升趋势。①研究以ChatGPT问世作为起始时间节点，2022年仅纳入年末两个月发表的文献14篇，日均发文量0.222篇，已显示出初步的研究热度；②2023年，发文量增至69篇，但日均发文量0.189篇，略低于2022年，可能与相关实践尚在起步阶段、研究处于设计与实施过程中有关；③2024年发文量显著提升，日均发文量0.380篇，相关研究进入快速发展，增长趋势延续至2025年；尽管2025年文献仅纳入到5月下旬，但日均发文量0.373篇与2024年基本持平，显示出研究活跃度的稳定持续（如图1所示）。

2.2 发文机构分布

发文量排名前10的机构分别是首都医科大学（7篇）、中国医学科学院北京协和医院（4篇）、南方医科大学（4篇）、四川大学华西医院（4篇）、上海健康医学院（3篇）、中南大学湘雅二医院（3篇）、中山大学（3篇）、中山大学附属第一医院（3篇）、北京大学第三医院（3篇）、锦州医科大学附属第一医院（3篇）、首都医科大学附属北京同仁医院（3篇）。在所有发文机构中，综合性大学医学院及其附属医院的发文量相对较多，而地方性医学院校、独立建制医学院校的发文量相对较少。机构合作连线少于节点，密度较低，反映机构互动较少、交流合作并不紧密。

2.3 关键词分析

2.3.1 关键词词频与共现

对关键词词频进行统计和分析，可以揭示研究领域的总体特征和研究热点，词频排名前10位的关键词见表1。其中，中介中心性（betweenness centrality）是衡量一个节点（关键词）在网络中重要性的指标，它反映了一个节点在多大程度上处于其它节点对之间的最短路径上。一个节点的中介中心性越高，说明其在网络中的作用和影响力越大。通过CiteSpace绘制共现图谱，每个节点代表一个关键词，节点越大表示关键词出现次数越多；节点上的年轮状色阶表示关键词出现的年份，圆环宽度表示该年份关键词出现的频次；节点之间的连线越粗，表示关键词的联系越紧密（如图2所示）。词频分析显示，出现频次最高的3个关键词是人工智能、医学教育和教学改革，成为共现图谱中的3个核心节点。

2.3.2 关键词聚类

由CiteSpace对关键词进行聚类，聚类结果及图谱能够反映相关领域不同的研究热点。运用对数似然比（LLR）算法构建聚类视图，本研究Q值为0.6856，Q>0.3，S值为0.9114，S>0.7，说明聚类合理可信，共形成9个聚类（如图3所示）。就聚类主要活跃年份来看，“医学影像”活跃于2022年，“课程建设”和“医学生”活跃于2024年，其余聚类主要活跃于2023年（如图3所示）。

结合关键词共现和聚类结果，可以将研究热点归纳为以下四大主题：①智能化教学与技术融合（人工智能、实验教学、教学模式、教学）；②医学课程优化与教学改革（教学改革、课程建设）；③医学影像与临床教学（医学影像）；④医学生发展与能力培养（医学教育、医学生）。如表2所示。

3 讨论

3.1 医学教育领域人工智能应用研究与实证研究需要加强

上述结果显示，2022年11月— 2025年5月发表的医学教育与人工智能相关研究文献中，应用研究和实证研究类的文献仅占33.5%，而综述、文献计量学、评论（思考、启示）类文献占到了62.3%，这反映研究者普遍关注人工智能在医学教育中的应用前景，但实际应用及应用效果评价明显滞后。这可能有多方面的原因：①人工智能的应用存在着一定的技术和资金门槛；②医学教师和医学教育管理者参与人工智能应用的开发、调试、使用、反馈等，需要具备较高的人工智能胜任力^[11]，而目前其数字素养还普遍有待提高，特别是在数字化知识与技能、数字化意识等方面^[12-13]；③人工智能的输出质量与应用效果评价比较困难，特别是在教师的教学行为、学生的专业行为是否发生改变等方面，而医学教育又十分关注学生胜任力和行业效益的提高等复杂高阶目标的实现^[14-15]，一定程度上增加了开展实证研究的难度；④医学教育特别是临床教学中需要考虑教师、学生、患者三方的安全与感受，人工智能的应用可能受到伦理审查的限制^[16]。这些因素都可能影响人工智能在医学院校及医疗机构的落地，进而影响了相关应用研究与实证研究的开展。未来可考虑建立适配人工智能教学研究的伦理审查与数据安全规范，为相关研究提供制度支持，同时进一步强化医学教师人工智能胜任力的系统培训，鼓励校（院）企合作，共建共享“人工智能+医学教育”数字教材和教学案例库等资源，推动应用研究与实证研究在更广泛的教学场景落地实施。

3.2 医学教育领域人工智能应用具有鲜明的学科特点

分析发现，医学教育各学科中，医学影像学教学领域的人工智能应用最为活跃。相关文献的研究主题主要聚焦于以下几个方面：利用大数据建立医学影像教学案例资源库^[17]、将AI临床诊断系统用于影像诊断教学^[18]或帮助住院医师规范化培训学员书写影像诊断报告^[19-20]。这可能是由于医学影像学的教学与图像密切相关，具有高度数字化、可视化的特征，天然适合深度学习（deep learning）等人工智能技术的融入^[21-22]；实际上，在GenAI兴起前，医学影像学领域就已通过基于标注数据的监督学习（supervised learning）进行了AI图像识别和辅助诊断的探索^[23]，开发了较为丰富的AI临床诊断产品，形成了广泛的应用基础。这与其他学者关于人工智能与医学教育的研究热点分析（2013 — 2022年）一致^[24]。

实际上，在其它高度依赖图像的学科（如病理学、眼科学等）中，将人工智能应用于教学也逐渐趋于活跃^[25-26]。但同时应该意识到，这种应用更多是将AI临床产品（如辅助诊断系统^[18]）或其生成的资料〔如基于生成对抗网络（generative adversarial network，GAN）生成的虚拟眼底照片^[27]〕用于教学；而不是基于医学教育的原理、方法、策略和需求来重新设计人工智能应用的深度融入，这也造成了医学教育其它学科领域人工智能的应用相对滞后，这是未来需要关注和突破的一个方面。

3.3 医学教育领域人工智能应用的研究趋势

分析发现，医学教育领域人工智能应用的研究热点逐年演化。聚类结果显示“医学影像”主要集中于2022年，而“医学生”和“课程建设”等主要集中于2024年。这一方面反映了人工智能应用场景的拓展，医学教育工作者开始关注人工智能如何支持医学生的个性化学习和创造力发展，以及人工智能对医学生学习体验、学习成效等的影响^[28-29]；另一方面也反映了人工智能赋能课程建设的升级，从早期医学影像学等优势课程自发探索AI临床产品的教育应用^[18]，演化到在更多课程中通过构建知识图谱^[30-31]、开发AI助教、结合虚拟仿真技术^[32-34]等方法系统推进“AI+”课程建设。这种演化可能与宏观政策的推动和人工智能技术的进一步成熟（如更加便捷的知识图谱和AI助教构建方法等）密切相关。

当然，目前在医学教育领域的人工智能应用中，还存在一些问题。例如：如何对知识图谱的建设质量进行评价；师生双方如何在教学（学习）过程中有效使用知识图谱；AI助教对于教师的“教”和学生的“学”产生哪些影响等。又如，部分研究者片面地认为在教学中应用了虚拟仿真技术就是“AI+教育”，实际上虚拟仿真技术可以独立存在和应用，并不天然依赖于人工智能，而虚拟仿真如何与人工智能深度融合还需进一步探索。这需要医学教育工作者在未来开展更多高质量的应用研究和实证研究，获得更加可靠的证据、建立更具普适性的方法论，进而促进不同医学院校和医疗机构之间的交流合作与资源共享，避免“闭门造车”和重复建设。

4 结束语

学者指出，目前第四代医学教育改革的时代已然到来，其关键特征之一便是以人工智能为代表的现代科技赋能，为学习者提供个性化学习体验，并培养医学生对医疗技术和信息技术的应用能力等^[35-36]。本研究对2022年11月以来的新一轮人工智能热潮中医学教育领域的人工智能应用相关文献进行了系统梳理，揭示了该领域研究的总体特征及演化趋势。医学教育与人工智能的深度融合已是大势所趋，但“想做”与“能做”之间还存在着鸿沟，相关应用研究和实证研究的开展尚不充分；未来需要基于研究证据、突破学科壁垒、紧扣研究趋势，加强交流合作与资源共享，系统推进人工智能在医学教育领域的应用。

当然，本研究也不可避免地存在一些局限性：①以ChatGPT的问世为纳入文献的起始时间节点，虽然较有意义，但纳入文献的总时间约为3.5年，对于文献计量学研究而言时间偏短，发文量等趋势展现得不够明显，同时不排除数据库更新延迟的影响，可能有部分最新研究动态尚未捕捉到；②主要基于国内三大数据库检出的中文文献，不排除有个别国内研究以其它语言发表于国际期刊，可能存在少量文献遗漏；③在关键词聚类中，聚类标签基于算法自动生成，研究热点的归纳主要依赖研究者的经验，可能与原始文献的细节内容存在轻微出入。

综上所述，在医学教育领域的人工智能应用中，应用研究和实证研究的开展还应进一步加强。未来可以建立医学教育与人工智能深度融合的方法论，探索医学教师人工智能胜任力的提升路径，加强教学设计的科学性，加强机构之间的交流合作与资源共享，科学评估应用效果，以推动人工智能成为医学教育改革与发展的有力支撑。

参考文献

[1] 联合国教科文组织. 教育与研究领域生成式人工智能指南 (Guidance for generative AI in education and research)[M]. 巴黎: 联合国科教文组织, 2023.

[2] 教育部, 中央网信办, 国家发展改革委, 等. 关于加快推进教育数字化的意见(教办〔2025〕3号)[EB/OL]. (2025-04-15)[2025-07-10].

[3] 丁元, 王伟林. 机器学习辅助下的现代医学教育[J]. 中国高等医学教育, 2022(7): 11-12.

[4] 胡逸菲, 黄涔, 朱丹, 等. 面向数智时代的医学教育: 现代教育技术的发展路径、应用现状与未来趋势[J]. 中华医学教育探索杂志, 2023(9): 1281-1286.

[5] 袁欢欢, 全祉悦, 林祎, 等. 当医学课程考核遇上生成式人工智能: 价值、挑战与未来展望[J]. 中国医学教育技术, 2023(3): 254-259.

[6] 王启帆, 于钦明. 人工智能嵌入医学教育的伦理风险及其应对[J]. 卫生软科学, 2024(7): 71-74.

[7] 刘畅, 胡珏,卢芳国, 等. “人工智能+教育”时代背景下医学教育教学改革与发展研究: 以免疫学基础与病原生物学为例[J]. 中国免疫学杂志, 2025(6): 1315-1319.

[8] 李辉雁, 王海波, 匡铭. 人工智能赋能医学人才培养和教育教学改革: 中山大学的实践与探索[J]. 高校医学教学研究(电子版), 2024(3): 8-13.

[9] 黄明芳, 侯青涵, 张韦. 生成式人工智能在医学教育领域的应用现状与未来趋势[J]. 医学与社会, 2025(1): 29-34.

[10] 江哲涵, 奉世聪, 王维民. 人工智能生成内容在医学教育中的应用、挑战与展望[J]. 中国教育信息化, 2024(8): 29-40.

[11] ARFELI D, WEBER M, UCKELMANN D, et al. Development of an AI competencematrix for AI teaching at universities[M]. Advanced Technologies and the University of the Future. Cham: Springer, 2025.

[12] 教育部. 关于发布《教师数字素养》教育行业标准的通知(教科信函〔2022〕58号)[EB/OL]. (2022-12-02)[2025-07-10].

[13] 柴桦, 闫昱江, 卿平. AI智能体赋能医科教师教学发展的个案研究[J]. 中华医学教育杂志, 2025(3): 174-181.

[14] WASS V, VAN DER VLEUTEN C, SHATZER J, et al. Assessment of clinical competence[J]. The Lancet, 2001(9260): 945-949.

[15] MILLER G E. The assessment of clinical skills/competence/performance[J]. Academic Medicine Journal of the Association of American Medical Colleges, 1990(9): 63-67.

[16] MASTERS K. Ethical use of artificial intelligence in health professions education: AMEE Guide No.158[J]. Medical Teacher, 2023(6): 574-584.

[17] 周俊林, 萧毅, 张雪君, 等. 中国医学影像人工智能应用现状调研报告[J]. 中华放射学杂志, 2022(11): 1248-1253.

[18] 王国杰, 杨思怡, 谢丽丽, 等. 人工智能在医学影像专业教学中的应用探索[J]. 中国高等医学教育, 2024(2): 13-14.

[19] 陈素月, 郭荣, 吉玉刚, 等. 头颈CT血管成像人工智能辅助阅片在住院医师规范化培训中的应用[J]. 江苏卫生事业管理, 2025(1): 125-129.

[20] 雷永霞, 李新春, 成程, 等. 医学影像人工智能教学对住院医师规范化价值提升的影响[J]. 中国继续医学教育, 2022(10): 95-98.

[21] CHEN J, YE Z, ZHANG R, et al. Medical image translation with deep learning: Advances, datasets and perspectives[J]. Medical Image Analysis, 2025, 103: 103605.

[22] 张永明, 陈艳佳, 郭威, 等. 基于科学引文数据库的医学教育领域人工智能应用研究的可视化分析[J]. 中华医学教育杂志, 2024(5): 339-345.

[23] 曹玉红, 徐海, 刘荪傲, 等. 基于深度学习的医学影像分割研究综述[J]. 计算机应用, 2021(8): 2273-2287.

[24] 金铁峰, 朴俊杰, 杨洋, 等. 人工智能在医学教育领域的应用研究: 基于CiteSpace的文献共词分析[J]. 医学与哲学, 2024(2): 72-75.

[25] 常颜信, 钱尤雯. 人工智能在病理学教学中的应用[J]. 中国继续医学教育, 2021(11):88-91.

[26] 陈有信, 杨景元. 人工智能大模型在眼科临床的应用[J]. 中华眼科杂志, 2024(3): 303-306.

[27] 魏文斌, 董力, 张瑞恒, 等. 人工智能生成对抗网络在眼科临床教学中的应用初探[J]. 眼科, 2024(3): 223-225.

[28] 林花, 余波, 宁熙, 等. 医学生对人工智能的了解与学习意向调查研究[J]. 高教学刊, 2023(10): 186-188.

[29] 王毅, 彭金, 闫雅茹, 等. 新时期医学生对人工智能及其医疗应用认知调查与思考[J]. 中国高等医学教育, 2023(2): 25-27.

[30] 闫景瑞, 邓为民, 张士杰, 等. 基础医学教育阶段核心课程知识图谱的构建与应用[J]. 中华医学教育杂志, 2024(3): 176-179.

[31] 王君, 王磊, 陶格斯, 等. 医学微生物课程知识图谱构建及应用[J]. 基础医学教育, 2025(2): 91-98.

[32] 王景涛, 柯佑柠, 张蔚. 基于VR技术的宫颈LEEP锥切术虚拟仿真教学探索[J]. 中国继续医学教育, 2024(15): 178-181.

[33] 许可, 徐蓉, 许华燕. 探索基础医学创新教育: 以心脏胚胎发育虚拟仿真教学系统构建为例[J]. 中华医学教育探索杂志, 2024(10): 1347-1351.

[34] 施菊花, 顾鸣敏, 蒋益, 等. 医学虚拟仿真实验教学课程的建设与思考[J]. 实验室研究与探索, 2025(1): 96-99.

[35] 王维民. 第四代医学教育的深度剖析与实施策略[J]. 中华医学教育杂志, 2024(10): 721-725.

[36] 王维民. 新科技革命背景下的医学教育范式转型[J]. 中华医学教育杂志, 2024(6): 401-406.

基金资助

中华医学会医学教育分会与全国医学教育发展中心2023年度医学教育研究课题重点立项项目(2023A32)

2023年度四川省教育信息技术研究课题(DSJZXKT179)

四川大学高等教育教学改革工程（第十一期）研究项目(SCU11404)

四川大学高等教育教学改革工程（第十一期）研究项目(SCU11411)